A mesocorticolimbic insulin receptor gene co-expression network moderates the association between early life adversity and food approach eating behaviour style in childhood
Notice bibliographique
Résumé
Insulin receptors, located in brain regions associated with reward sensitivity and decision-making, facilitate insulin action in the brain, modulating intracellular signaling cascades, gene expression, and neural activity. Here, we tested if variations in the expression of the insulin receptor gene network in the prefrontal cortex (PFC) and striatum (STR) moderate the association between early life adversity and eating behaviour in childhood and if this moderation is sex-specific. Participants from the Maternal Adversity, Vulnerability and Neurodevelopment (MAVAN) and Basal Influences on the Baby's Development (BIBO) were included as two independent cohorts. A biologically-informed polygenic score reflecting functional variation of the mesocorticolimbic insulin receptor gene network was created by using insulin receptor co-expression data from the PFC and STR in mice, and validated in humans through filtering by homologous expression in PFC using well-known databases. Early life adversity exposure was measured as a composite score. Eating behaviour was characterized using the Child Eating Behaviour Questionnaire administered to mothers of children aged 4 and 6 years in MAVAN, and 6 years in BIBO. We found that only in those with high expression of the mesocorticolimbic insulin receptor gene network a higher early adversity score associated with a higher desire to drink in 4-year boys and 6-year girls, as well as a higher food approach score and food approach/food avoidance ratio in 4-year girls. Also, a higher early life adversity was associated with higher food responsiveness, food approach score and food approach/food avoidance ratio at 6 years in the MAVAN full sample. The moderation observed on desire to drink was partially replicated in BIBO children aged 6 years. Identifying individual differences in response to early adversity may help to prioritize individuals at high risk for long-term disease and design suitable interventions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».